基于智能变电站的空调控制系统及装置的制作方法

1.本发明涉及计算机及配电领域，具体涉及了一种基于智能变电站的空调控制 系统及装置。


背景技术：

2.动力环境监控系统已经在各变电站日常运营过程中发挥了重要了作用，同时 在系统运行的过程中也出现了
‑‑
些棘手的问题，比如现在现今硬件能够灵活配置 以及软件功能日益完善的情况下，其故障诊断及分析、数据智能统计等智能化方 面的性能没有得到进
‑
一步的发展，而常规的人员值守查看空调排水漏水方式在 动环监控系统中仍普遍存在，另外，动环监控系统在可靠性方面仍然不尽如人意。


技术实现要素：

3.本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种基 于智能变电站的空调控制系统及装置，提高故障告警的准确度，节省了值守人员 投入。
4.本发明的技术方案包括一种基于智能变电站的空调控制系统，其特征在于， 该系统包括：采集模块，对智能变电站的空调运行时的若干参数进行采集，将采 集的数据发送服务器；分析模块，根据接收的空调参数，采用第一神经网络对空 调参数进行特征提取，根据所提取的特征对空调当前的运行参数进行预测，得到 预测结果；告警模块，根预测结果与运行时的参数进行对比，根据对比结果进行 对应的告警。
5.根据所述的基于智能变电站的空调控制系统，其中采集模用于对智能变电 站的空调的温度、湿度、实际排水量及运行功率进行采集，将采集的参数通过远 程通信或本地通信的方式进行发送。
6.根据所述的基于智能变电站的空调控制系统，其中将采集的参数通过远程 通信或本地通信的方式进行发送包括：通过80c51芯片对采集的参数进行初步 处理，并通过wi
‑
fi和/或rs485通信方式将采集参数发送至服务器；以及，通 过远程移动通信方式将采集参数发送至服务器。
7.根据所述的基于智能变电站的空调控制系统，其中初步处理包括删除不符 合要求的参数。
8.根据所述的基于智能变电站的空调控制系统，其中分析模块包括：构建bp 神经网络模型，以采集的温度、湿度及运行功率进行输入，预测出空调的预测排 水量，对比预测排水量及实际排水量。
9.根据所述的基于智能变电站的空调控制系统，其中所述bp神经网络模型可 通过pso优化算法及粒子群算法进行进一步筛选优化。
10.根据所述的基于智能变电站的空调控制系统，其中预警模块还包括：构建 第二神经网络模型，根据温度、湿度、功率、实际排水量及预测排水量，进行告 警分类，当告警分类达到告警指标时，进行告警，根据告警指标进行对应的分级 告警。
11.本发明的技术方案还包括一种基于智能变电站的空调控制装置，其特征在 于，包括：采集装置，包括若干用于采集温度、湿度、运行功率及实际排水量的 传感器，以及通过移动通信方式或本地通信方式发送所采集的参数；分析装置， 包括若干服务器，服务器设置有神经网络模型，神经网络模型根据采集的温度、 湿度、运行功率预测出预测排水量，对比预测排水量及实际排水量，得出对比结 果，以及，通过神经网络进行预警分类，得到分类结果；根据采集的实际排水量 及预测排水量，执行对应级别的告警；客户端，用于接收所述分析装置的告警结 果。
12.本发明的有益效果为：对变电站空调的滴水量进行数据采集，通过bp神经 网络建模，根据室内温度、湿度、空调排水量携带的特征信息，分析变电站空调 排水系统是否出现故障，实现实时告警。pso优化算法，对bp神经网络模型进 行优化，筛选出最优模型；以及，提高故障告警的准确度，节省了值守人员投。
附图说明
13.下面结合附图和实施例对本发明进一步地说明；
14.图1所示为根据本发明实施方式的总体系统框图；
15.图2所示为根据本发明实施方式的装置交互流程图。
具体实施方式
16.本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示 出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象 地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范 围的限制。
17.在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上， 大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
18.在本发明的描述中，对方法步骤的连续标号是为了方便审查和理解，结合本 发明的整体技术方案以及各个步骤之间的逻辑关系，调整步骤之间的实施顺序并 不会影响本发明技术方案所达到的技术效果。
19.本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技 术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的 具体含义。
20.图1所示为根据本发明实施方式的总体系统框图，该系统包括：采集模块， 对智能变电站的空调运行时的若干参数进行采集，将采集的数据发送服务器；分 析模块，根据接收的空调参数，采用第一神经网络对空调参数进行特征提取，根 据所提取的特征对空调当前的运行参数进行预测，得到预测结果；告警模块，根 预测结果与运行时的参数进行对比，根据对比结果进行对应的告警。客户端用于 对告警信息进行接收和显示。
21.图2所示为根据本发明实施方式的装置交互流程图。其具体描述如下：
22.(1)分析环境因素：现场环境包含温度、湿度、功率、空调排水量等与设 备正常运行相关的因素。
23.bp神经网络是通过数据训练找到输入项与输出项的联系。输入数据除表面 的直接信息(当前温度
‑
10℃就是指当前温度为
‑
10℃)还携带的隐层信息(今天 不是夏天，明天温度不超过30℃等)。例如室内温度太高或者太低，空调运行 排水量增加或者减少的影响，
今天的彩票号码和空调排水量的联系是及其低的， 可以认为二者没有联系。所以研发的第一个关键技术在于找到与空调排水量相关 的环境参数。
24.(2)现场数据采集：温度传感器、湿度传感器、电流数据采集、空调排水 集水器实时数据采集。
25.数据采集可以通过设备传感器测量当前环境的数据，功率通过测量空调的工 作电流有效值，已知常用220v电压求出空调运行时的功率。
26.(3)bp神经网络建模
27.通过(1)分析的环境因素建立神经网络模型，输入实时采集的数据，通过 温度、湿度和空调运行功率预测出空调的排水量，另外通过空调排水采集器采集 实际排水量，通过预测值和实际值的误差，判断变电站是否出现空调漏水情况。
28.bp神经网络是通过数据训练，分析数据携带的隐层信息，找到输入与输出 的关联，相对来说，涉及的相关因素项越多，对输出结果的预测越准确。
29.(4)pso优化算法：通过模拟生物遗传过程，遗传过程中出现变异，调整 种群适应方向，实现找到最优解。
30.粒子群算法(particle swarm optimization,pso)，它的基本概念源于对鸟 群觅食行为的研究。设想这样一个场景：一群鸟在随机搜寻食物，在这个区域里 只有一块食物，所有的鸟都不知道食物在哪里，但是它们知道当前的位置离食物 还有多远。最简单有效的策略是寻找鸟群中离食物最近的个体来进行搜素。pso 算法就从这种生物种群行为特性中得到启发并用于求解优化问题。
31.(5)告警系统：分为实时报警系统和预警系统。
32.实时报警系统：监测到空调漏水是，立马发出警报，通知工作人员处理现场 情况。
33.预警系统：建立另一套神经网络模型，根据温度、湿度、功率、实际排水量， 预测排水量，进行分类，分类为发出告警，运行正常。当神经网络预测分类达到 告警指标时，即使未发生排水故障，也进行告警，告警级别较低，为橙色预警。
34.本发明的技术方案通过对变电站空调的滴水量进行数据采集，通过bp神经 网络建模，根据室内温度、湿度、空调排水量携带的特征信息，分析变电站空调 排水系统是否出现故障，实现实时告警。pso优化算法，对bp神经网络模型进 行优化，筛选出最优模型。
35.上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施 例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨 的前提下做出各种变化。